Muse Spark 对比 Mistral Large 4.0：预览版对阵已发布模型

这不是一场公平的较量，Mistral 会第一个这么说。Mistral Large 4.0于 2026 年 10 月 6 日以公开预览形式发布，绰号为“le Chonk”——一个拥有 1 万亿参数的专家混合模型，激活参数为 520 亿，自称仍在改进，并承诺在 10 月底前发布权重。Muse Spark 1.3，即 Meta 当前的 Muse Spark 检查点，于 2026 年 9 月 2 日发布，此后一直保持稳定。如果你是在挑选生产基础设施，那么拿预览模型与已发布模型比较是范畴错误；如果你试图弄清楚这两条与开放权重相邻的路线中，哪一条值得你在未来两个季度关注，那么这确实是一项有用的练习。你在做哪一种，会改变下文中的每一个结论，因此本文会将这两个问题分开处理。

他们每个人实际持什么立场

Muse Spark is a family, not a model. Muse Spark 1.1 arrived July 16, 2026, Muse Spark 1.2 on August 5, and Muse Spark 1.3 on September 2, all from M​eta Superintelligence Labs, all sharing a 1,048,576-token context window. Muse Spark 1.3 gained its max reasoning setting on September 4. It is live, priced, documented and stable — and the family's pricing has not moved in three consecutive releases.

Mistral Large 4 正处于其生命周期的另一端。公告对此异常坦诚：今天在 Mistral Studio 上发布公开预览，权重“将在本月底”发布，这是一个“随着我们不断优化而持续快速改进”的模型，目前正与网络安全合作伙伴和经过审查的组织一起，在降低审核强度的情况下进行红队测试。它是在 Mistral 位于欧洲的自有数据中心里，使用 3,800 块 NVIDIA Grace Blackwell GPU 从零开始训练的，并且 Mistral 明确表示，主权正是关键所在——为那些无法接受在事件处理过程中遭遇提供商层面拒绝的组织，提供一个欧洲托管、可自行部署的模型。

这种成熟度上的差异是首先要纳入考量的因素，而这并不是贬低。一个还会变化的预览版，是你还不该在其上构建经过认证的流水线的预览版；而一个已发布、六周都没有变化的模型，则是你可以这样做的模型。

独立的数字

这两行都是 Artificial Analysis 托管的测量结果；两者都不是厂商声明，且榜单将 Mistral 的条目命名为“Mistral Large 4 Preview”。

• 智能指数 — Muse Spark 1.3（max）：48，在 217 个中排名第 24。Mistral Large 4 Preview：38，在 217 个中排名第 66。

• 每项索引任务成本 — Muse Spark 1.3：1.60 美元。M​istral Large 4 Preview：1.13 美元。尽管得分更低，M​istral 每完成一项任务的成本更低。

• 输出速度 — Muse Spark 1.3：每秒 121.9 个 token，在 186 个中排名第 43。Mistral Large 4 Preview：未测量，未公布数据。对于由单个内部集群提供服务的预览版而言，速度未经测量并不令人意外，但仍然是一项差距。

• 冗长度 — Muse Spark 1.3：索引上共 170M 输出 token。M​istral Large 4 Preview：200M，被评价为非常啰嗦。Muse Spark 更胜一筹。

• 目录定价 — Muse Spark 1.3 为 $1.25 输入 / $4.25 输出，缓存输入 $0.15，固定不变。M​istral Large 4 目前正以促销费率计价，据报道为 $0.68 输入 / $2.09 输出，缓存输入 $0.07，而常规费率为 $1.36 和 $4.18。M​istral 自己的公开定价页面仍只显示一个通用的“M​istral Large”数字，并未列出 Large 4，因此文档页面才是权威来源，在提交之前需要核实的是促销费率。

把那张表当作对当下的陈述来读，它说出的东西对 M​eta 来说有点尴尬：这里更便宜的模型正是得分更低的那个，而且低了十个指数点。把它当作一份关于预览的陈述来读，它说出的东西更有用——运行成本有竞争力，而能力尚未到位；这正是一个仍有提升空间的模型、以及一个已相应定价的供应商所呈现出的形态。

上下文窗口冲突，只是被陈述，而非被解决

Mistral 自家的模型卡给 Mistral Large 4 标注的是 100 万 token 的上下文窗口。Artificial Analysis 对同一款模型的列表中，规格面板显示为 524,000，正文里则描述为"520k tokens"。我们不打算把这两个数字平均一下。两者之中有一个是错的，或者其中一个描述的是另一个并未涵盖的某种配置，而我们无法从公开记录中厘清这一点。我们能说的是：厂商给出的数字在模态和架构方面更为具体，而分析机构的数字在成本和任务性能方面更为具体，因此两个来源都不占据绝对优势。如果窗口大小对你的决策有影响，务必在正式采用之前通过 API 核实——这正是那种会悄无声息地流入生产环境的差异。

在模态方面不存在冲突，也没有歧义：两个模型都接收文本和图像输入，并返回文本。Mistral Large 4 的模型卡将推理列为一种输出模态，并在其功能中列出了结构化输出、函数调用、文档问答、前缀补全、批处理、智能体和连接器。Muse Spark 1.3 接收文本、图像和视频输入并返回文本，其推理阶梯从最小到最大。值得注意的是，两个模型都没有公布我们能核实的最�大输出 token 数值——这是当前领域中少数几个地方之一，来自主要实验室的前沿模型干脆就不说。

各厂商声称的内容，各自分列

M​istral's announcement leans on vertical strengths rather than a general scoreboard. Vendor-reported and unreproduced: DeepSWE v1.1 at 61.7%, SWE-Atlas-QnA at 59.4%, Terminal-Bench 4 at 28.3%, a Combined Coding Agent Index of 49.8%, AutomationBench at 59.9%, AA-Briefcase at 1,393 Elo, a second-place 3.74 out of 5 in Surge AI's blind human coding evaluation, 42% on Dense 200 visual grounding, 93.3% attack resistance on Lakera B3, and a cybersecurity pitch that is the real differentiator — top five on the Artificial Analysis Cyber Index, 82% on a reproduce-and-patch task that M​istral claims is the highest of any model, and 93% on Cybench. M​istral's own framing of that last point is that several leading closed models, Claude Opus 5.5 and GPT-6 Astra among them, score near zero on the same test because they refuse the task rather than fail it.

Meta 的 Muse Spark 1.3 数据是一份通用型智能体测评榜单：DeepSWE v1.1 为 75.4，OSWorld 2.0 为 66.9，Terminal-Bench 2.1 在使用 Terminus 2 智能体时为 76.4，MCP-Atlas 为 89.2，GDPval-AA v2 为 1,754，SciCode 为 58.5，HLE-Diamond 在无工具情况下为 26.1，JobBench 为 61.8。

这两个列表几乎不重叠。DeepSWE v1.1 是双方唯一都发布的评测，而在其中，M​eta 声称达到 75.4，M​istral 为 61.7——这一差距足够大，足以经受住评测框架差异的影响，尽管我们尚未复现其中任何一个。在其他所有方面，两家厂商测量的根本就是不同的东西，这正是为什么诚实的比较应基于上方的独立数据行，而不是把这两张表叠加在一起。

真正区分它们的问题：开放权重

这正是对决标题所暗示的维度，也是两款模型真正属于不同产品、而非同一事物优劣版本的维度。

Mistral Large 4 已明确表示将提供可下载权重的路线，并承诺在 2026 年 10 月底前实现，同时还声称其表现优于美国或欧洲开发的任何开放权重模型。如果这一承诺兑现，它将成为欧洲规模最大的开放权重发布，并成为需要自托管的组织真正可行的选择。需注意，截至本文撰写时，模型卡上的许可证尚未具名，而且我们查看时 Hugging Face 仓库无法公开读取，因此这些权重发布所依据的条款尚不可知——这个缺口我们不会掩盖，因为在开放权重发布中，许可证往往就是全部关键。

Muse Spark 系列并非开放权重系列。Muse Spark 1.1、1.2 和 1.3 均为闭源，通过 Meta 自家的 API 提供服务。真正带权重的是该家族中以独立名称发布的另一个成员——Muse Spark Open，这是一个总参数量 816B / 激活参数量 42B 的版本，其代码仓库创建于 2026 年 9 月 15 日，被设为门控状态、未作任何公告地搁置了四周，并于 2026 年 10 月 15 日由 Meta 附带许可证发布。这条时间线是我们能够直截了当地陈述的部分，因为仓库时间戳和许可证日期都存在于制品本身之中。尚未得到确认的是它究竟有多好：Meta 并未公布其自家评分卡背后的评估报告，因此请把开放权重当作一个独立的问题来看待，而不是把它视为 Muse Spark 1.3 的更新版本。任何将 Mistral 的开放权重承诺与 Muse Spark 1.3 相比较的人，比较的都是两种不同的分发模式，而非两个能力层级。

这意味着决策规则很简单，而且几乎与指数无关。如果你必须在自己的硬件上、在自己的司法管辖区内、按照自己的政策运行该模型，那么这一比较只有一个候选者，那就是 M​istral 的那个，具体取决于权重发布时其许可证如何规定。如果你购买的是端点，那么相较一个在指数上领先它十分的已发布模型，M​istral 预览版目前是得分更低、价格也更便宜的选择。

针对任一者构建，而不锁定于其中

OrcaRouter 以 Meta 的标价提供 Muse Spark 1.2 与 Muse Spark 1.1 的路由服务，0% 加价直接透传，同时在一个 API 上还接入了 200 多个模型，并具备自动故障转移与用于在它们之间分配流量的路由 DSL。Mistral Large 4 不在我们的目录中，Muse Spark 1.3 同样不在——所以我们不会假装今天就能用我们自己的密钥把这场对比端到端跑通。透传模式在这里的用处，正是这场对比所需要的那个具体好处：由于 Mistral 的促销定价与它的权重发布都在相隔数周之内相继落地，使用路由密钥意味着，价格变动或新的开源构建在他们那边上线的那一天，就会同步出现在我们这边，而不必等到下一次合同续约。

本月做什么

如果你的决定可以等到十月底，那就等——关于 Mistral Large 4 最关键的一个事实尚未公布，那就是权重所附的许可证，而不是本文中的任何数字。如果等不了，那么按今天的情况，比较是在两者之间：一个是售价 $0.68 / $2.09 的预览版，指数得分为 38，且没有测得的输出速度；另一个是已发布的模型，价格为 $1.25 / $4.25，指数得分为 48，大约每秒 122 个 token，并已有六周的稳定表现。预览版如今每任务成本更低，而且几乎可以肯定，等有人读到本文时，它会是另一个模型；已发布的那个则强十点，并且不会改变。这两者都不是推荐，因为决定性因素在于 Mistral 承诺的权重是否是你需要的东西——而这并不是一个基准测试能回答的问题。

这样的结果也提醒我们，模型出错早已有记录：此类模型背后的 AI 事件和智能体故障，均收录于OrcaRouter AI Incident Archive，其中每个条目都附有自己的来源、严重程度、置信度等级和争议标记。